五年磨一剑：滴滴顺风车服务端之稳定性规范

滴滴技术

于 2020-06-08 11:48:28 发布

阅读量2.2k

点赞数

本文链接：https://blog.csdn.net/DiDi_Tech/article/details/106615878

版权

本文汇总了滴滴顺风车服务端的稳定性规范，内容包括服务分级、部署运维、监控告警、变更管理和预案管理等方面，旨在通过实际线上故障的复盘提炼出稳定性的最佳实践，提升服务的可靠性。

摘要由CSDN通过智能技术生成

桔妹导读：本文给出其中稳定性相关的规范，这些规范都是顺风车成立五年来，对大量真实线上故障复盘、总结得到的，希望对大家服务的稳定性提升有所帮助。

服务端作为顺风车技术部内最大的工程团队，随着人员的扩张和迭代，流程规范在其中扮演着原来越重要的角色。一方面规范化可以提高我们的交付质量、交付效率，另一方面，我们也希望在一次次的实战中不断的总结，探索出适用于我们团队的最佳实践。

基于此，我们制定并推广了一套适用于服务端开发的可执行、最小限制的工程规范，包括研发流程、稳定性、性能成本等多个方面。

本文给出其中稳定性相关的规范，这些规范都是顺风车成立五年来，对大量真实线上故障复盘、总结得到的，希望对大家服务的稳定性提升有所帮助。

1. 名词解释

下文的描述中，会用到很多的技术名词，为更容易的理解，在这里对这些名词做下简要说明：

服务分级：根据业务需要，一般的我们需要针对最小系统划分为一级服务，一旦出问题需要第一优先级跟进。我们将影响业务核心指标（比如发单量、成单量等）的服务定义为一级服务，其他为二级服务。
预览集群：和线上生产环境的部署完全一致的一套环境，只是无线上流量，可以内部访问，集群内流量闭环。
小流量集群：和线上生产环境的部署完全一致的一套环境，通过流量控制，只有个别城市的流量会落到此集群，集群内流量闭环。
灰度发布：将发布过程分为预览集群、灰度城市集群、10%流量、50%流量、100%流量的发布机制，确保安全上线过程。
全链路压测：在不影响线上服务的前提下，对生产环境进行压力测试的解决方案。用以摸清生产环境的容量、瓶颈点等。
机房多活：通过多机房部署，当一个机房出现故障时，可以快速将流量切到其他机房，以减少损失。涉及流量路由、流量闭环、数据同步、数据一致性、灾难应对等诸多环节的整套解决方案。

关注